Distribusi Normal

Bab 6
Distribusi Normal
Business Statistics, A First Course (4e) © 2006 Prentice-Hall, Inc. Chap 6-1
Tujuan Perkuliahan
Yang akan dipelajari pada bab ini:

 Cara menghitung probabilitas distribusi normal
 Menggunakan probabilitas distribusi normal untuk
menggambarkan sekumpulan data terdistribusi
normal
Distribusi Probabilitas
Distribusi
Probabilitas
Bab 5 Distribusi Distribusi Bab 6

Probabilitas Probabilitas
Diskrit Kontinyu
Binomial Normal
Poisson
Distribusi Probabilitas Kontinyu
 Variabel Acak Kontinyu merupakan variabel yang
diasumsikan memiliki nilai kontinyu (nilai yang tak
hingga)
 Tingkat ketebalan suatu produk
 Waktu yang dibutuhkan untuk menyelesaikan pekerjaan
 Suhu ruangan
 Tinggi badan
 Dapat digunakan untuk setiap nilai, tergantung dari

kemampuan suatu alat ukur menghitung secara
akurat
Distribusi Normal
Distribusi
Probabilitas
Distribusi
Probabilitas
Kontinyu
Normal
Distribusi Normal
 ‘Berbentuk Lonceng’
 Simetrik
f(X)
 Rata-rata, Median dan Modus
bernilai sama
Lokasi berada pada seputar angka
rata-rata, μ σ
X
Sebaran data ditunjukkan dengan μ
deviasi standar, σ
Rata-rata
Secara teori, variabel acak memiliki = Median
jarak tak hingga: = Modus
+  to  
Berbagai Nilai Distribusi Normal
Melalui berbagai parameter μ dan σ, kita dapat

menentukan nilai distribusi normal yang beragam
Bentuk Distribusi Normal
merubah μ bentuk
f(X)
distribusi kurva ke kanan
atau kiri.
merubah σ untuk
meningkatkan atau
σ menurunkan sebaran.
μ X
Fungsi Rata-rata Probabilitas
Normal
 Rumus umum dari fungsi rata-rata probabilitas
normal
1 (1/2)[(X μ)/σ]2
f(X)  e
2π
dimana e = angka konstan matematika 2.71828

π = angka konstan matematika 3.14159
μ = rata-rata populasi
σ = deviasi standar populasi
X = berbagai nilai dari variabel kontinyu
Standarisasi Normal
 Setiap angka pada distribusi normal (dengan

berbagai kombinasi nilai rata-rata dan simpangan
baku) dapat ditransformasikan menjadi
standarisasi distribusi normal (Z)
 Perlu transformasi dari nilai X menjadi nilai Z
Mengubah menjadi Standarisasi
Distribusi Normal
 Mengubah dari X menjadi standarisasi normal

(distribusi “Z”) dengan cara:
X μ
Z
σ
Nilai rata-rata distribusi Z selalu = 0 dan simpangan baku= 1
Fungsi Rata-rata Standarisasi
Distribusi Normal
 Rumus umum dari fungsi rata-rata standarisasi
distribusi normal adalah:
1 (1/2)Z 2
f(Z)  e
2π
dimana e = angka konstan matematika 2.71828
π = angka konstan matematika 3.14159
Z = berbagai nilai dari standarisasi distribusi normal
Standarisasi Distribusi Normal
 Umumnya disebut sebagai distribusi “Z”

 Rata-rata = 0
 Simpangan baku = 1
f(Z)
0 Z
Nilai diatas rata-rata memiliki nilai Z positif, nilai dibawah

rata-rata memiliki nilai Z negatif
Contoh
 Rata-rata kecepatan mengunduh adalah 7 detik.

Jika data terdistribusi normal dengan simpangan
baku 2, maka nilai Z untuk kecepatan mengunduh
9 detik (X = 9) adalah
Xμ 97
Z   1.0
σ 2
 Dapat disimpulkan bahwa kecepatan 9 detik
adalah 2 detik lebih besar (yaitu, 1 kali simpangan
baku) atau lebih lambat 2 detik dari rata-rata 7
detik.
Membandingkan nilai X dan Z
7 9 X (μ = 7, σ = 2)
0 1.0 Z (μ = 0, σ = 1)
Distribusinya sama, namun skala berbeda. Kita dapat

menyelesaikan masalah melalui nilai semula (X) atau nilai
standar (Z)
Menentukan Probabilitas Normal
Probability is the
Probabilitas diukur melalui area yang berada
area under the
dibawah kurva
curve!
f(X)
P (a ≤ X ≤ b)
= P (a < X < b)
(probabilitas dari setiap
angka adalah 0)
a b X
Probabilitas dibawah Area Kurva
Total area dibawah kurva adalah 1.0, kurva berbentuk
simetrik, sehingga setengah diatas rata-rata, setengah
dibawah
f(X) P(   X  μ)  0.5
P(μ  X   )  0.5
0.5 0.5
μ X
P(  X  )  1.0
Tabel Standarisasi Normal
(lanjutan)
Kolom menunjukkan nilai Z pada

angka desimal kedua
Z 0.00 0.01 0.02 …
0.0
Baris
menunjukkan 0.1
. nilai probabilitas Z
nilai Z pada angka .
desimal pertama . pada tabel yang
1.0 .8413
diinginkan
2.0
P(Z < 1.00) = 0.8413
Tabel Standarisasi Normal
 Angka kumulatif dari standarisasi normal dapat

dilihat pada tabel yang menggambarkan
probabilitas nilai Z (dari mulai angka negatif s/d
tak hingga dari nilai Z)
0.8413
Contoh:
P(Z < 1.00) = 0.8413
0 1.00 Z
Kerjakan
 Hitung P(X>9), P(7<X<9), P(X<7 atau X>9)

 Hitung P(5<X<9)
 Hitung P(X<3.5)
Aturan Empiris
Melalui aturan umum dapat ditentukan bahwa
distribusi nilai dari sekitar rata-rata adalah:
f(X)
μ ± 1σ berada sekitar 68%

dari nilai X
σ σ
μ-1σ μ μ+1σ X
68.26%
Aturan Empiris
(lanjutan)
 μ ± 2σ meliputi sekitar 95% nilai X

 μ ± 3σ meliputi sekitar 99.7% nilai X
2σ 2σ 3σ 3σ
μ x μ x
95.44% 99.73%
Prosedur Umum untuk
Menentukan Probabilitas
Untuk menentukan P(a < X < b) dimana X

berdistribusi normal:
 Menggambar kurva normal dari nilai X
 Menerjemahkan nilai X menjadi nilai Z
 Menggunakan tabel distribusi normal
Kerjakan
QWTY, sebuah stasiun radio FM dengan corak

dangdut menemukan bahwa rata2 hitung
lamanya seseorang mendengarkan stasiun
radio mereka adalah 15 menit dan simpangan
baku 3.5 menit. Berapakah probabilitas seorang
pendengar akan mendengarkan dalam:
a. 20 menit atau lebih?
b. 20 menit atau kurang?
c. Antara 10 dan 12 menit
Menentukan Nilai X dari
Probabilitas yang diketahui
 Langkah-langkah untuk menentukan nilai X

dari probabilitas yang diketahui:
1. menentukan nilai Z untuk probabilitas yang
diketahui
2. mengubah menjadi nilai X dengan rumus:
X  μ  Zσ
Menentukan Nilai X dari
Probabilitas yang diketahui
(lanjutan)
Contoh:
 Apabila X adalah normal dengan rata-rata 8.0 dan
deviasi standar 5.0.
 Tentukan nilai X sehingga hanya 20% dari nilai X
berada pada sisi kiri kurva
0.2000
? 8.0 X
? 0 Z
Menentukan Nilai Z 20%
pada sisi kiri Kurva
1. Menentukan nilai Z dari probabilitas yang diketahui
Tabel Standarisasi Distribusi Normal

 20% area dibawah kurva
sisi kiri menunjukkan
Z … .03 .04 .05 angka -0.84
-0.9 … .1762 .1736 .1711

0.2000
-0.8 … .2033 .2005 .1977
-0.7 … .2327 .2296 .2266
? 8.0 X
-0.84 0 Z
Menentukan nilai X
2. Mengubah nilai X dengan rumus:
X  μ  Zσ
0.2000
 8.0  ( 0.84)5.0
 3.80 3.80 8.0 X

-0.84 0 Z
Jadi 20% dari distribusi data dengan rata-

rata 8.0 dan deviasi standar 5.0 dibawah
wilayah 3.80
Kerjakan
 Temukan nilai-nilai x yang mencakup 95% dari

waktu mengunduh
Evaluasi Normalisasi
 Tidak seluruh variabel acak kontinyu terdistribusi

normal
 Sangat penting untuk mengevaluasi bagaimana
sekumpulan data diperkirakan terdistribusi dengan
normal
Evaluasi Normal
(lanjutan)
 Membentuk tabel atau grafik
 Untuk sekumpulan data yang berukuran kecil atau sedang,
apakah diagram daun dan batang atau plot kotak-garis
terlihat simetrik?
 Untuk data yang besar, dengan histogram atau polygon
menunjukkan kurva berbentuk lonceng?
 Hitung perhitungan deskriptif
 Apakah rata-rata, median dan modus memiliki nilai yang
mirip?
 Apakah rata-rata jarak interkuartil kurang lebih 1.33 σ?
 Apakah rata-rata jarak kurang lebih bernilai 6 σ?
Penilaian Normalitas
(lanjutan)
 Observasi distribusi dari kumpulan data

 Apakah sekitar 2/3 dari observasi terletak di dalam rata-
rata  1 deviasi standar?
 Apakah sekitar 80% dari observasi terletak di dalam rata-
rata  1.28 deviasi standar?
 Apakah sekitar 95% dari observasi terletak dai dalam rata-
rata  2 deviasi standar?
 Evaluasi titik probabilitas normal
 Apakah titik probabilitas normal kurang lebih linier
dengan kemiringan positif?
Titik Probabilitas Normal
 Titik Probabilitas Normal

 Mengurutkan data dari yang terkecil hingga terbesar
 Menentukan angka standarisasi normal dari nilai yang
diketahui
 Menentukan titik yang merupakan titik pasangan dari nilai
data observasi pada garis vertikal dan nilai yang diketahui
dari standarisasi normal pada garis horisontal
 Mengevaluasi titik dari posisi linier
(lanjutan)
Titik probabilitas normal yang berasal

dari data yang berdistribusi normal
diperkirakan linier:
X
90
60
30
-2 -1 0 1 2 Z
(lanjutan)
Miring Kiri Miring Kanan

X 90 X 90
60 60
30 30
-2 -1 0 1 2 Z -2 -1 0 1 2 Z
Titik nonlinier mengindikasikan

cerminan (deviation) dari normalitas
Kesimpulan
 Menjelaskan distribusi normal sebagai kunci dari

distribusi kontinyu
 Membahas probabilitas normal dengan
menggunakan rumus dan tabel
 Mempelajari untuk mengetahui bagaimana data
dapat dikatakan terdistribusi dengan normal

Distribusi Normal

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Distribusi Normal

Diunggah oleh

Hak Cipta:

Format Tersedia

Bab 6

Yang akan dipelajari pada bab ini:

Bab 5 Distribusi Distribusi Bab 6

 Dapat digunakan untuk setiap nilai, tergantung dari

Melalui berbagai parameter μ dan σ, kita dapat

dimana e = angka konstan matematika 2.71828

 Setiap angka pada distribusi normal (dengan

 Perlu transformasi dari nilai X menjadi nilai Z

 Mengubah dari X menjadi standarisasi normal

 Umumnya disebut sebagai distribusi “Z”

Nilai diatas rata-rata memiliki nilai Z positif, nilai dibawah

 Rata-rata kecepatan mengunduh adalah 7 detik.

Distribusinya sama, namun skala berbeda. Kita dapat

Kolom menunjukkan nilai Z pada

 Angka kumulatif dari standarisasi normal dapat

 Hitung P(X>9), P(7<X<9), P(X<7 atau X>9)

μ ± 1σ berada sekitar 68%

 μ ± 2σ meliputi sekitar 95% nilai X

Untuk menentukan P(a < X < b) dimana X

 Menerjemahkan nilai X menjadi nilai Z

 Menggunakan tabel distribusi normal

QWTY, sebuah stasiun radio FM dengan corak

 Langkah-langkah untuk menentukan nilai X

Tabel Standarisasi Distribusi Normal

-0.9 … .1762 .1736 .1711

2. Mengubah nilai X dengan rumus:

 3.80 3.80 8.0 X

Jadi 20% dari distribusi data dengan rata-

 Temukan nilai-nilai x yang mencakup 95% dari

 Tidak seluruh variabel acak kontinyu terdistribusi

 Observasi distribusi dari kumpulan data

 Titik Probabilitas Normal

Titik probabilitas normal yang berasal

Miring Kiri Miring Kanan

Titik nonlinier mengindikasikan

 Menjelaskan distribusi normal sebagai kunci dari

Anda mungkin juga menyukai